综合模糊评价系统在重钢活性石灰工程技术选型上的应用

探讨了重庆钢铁集团现有石灰石原料、燃料情况以及石灰成品需求现状,研究了国内外先进活性石灰生产技术,结合建立针对活性石灰系统的三层模糊综合评价系统,根据专家和管理层分析,最终确定了重钢活性石灰项目的技术选型。     

矿井深部煤系地层岩巷掘进砂岩突出机理分析

永荣矿区在掘进-350m水平深部砂岩巷道时出现岩石突出并伴随瓦斯的动力现象频繁发生。针对这种现象,从构造应力场、掘进应力场、自重应力场和中细粒砂岩物理力学性质等方面进行了分析,得出煤系地层岩巷掘进砂岩突出的机理。     

基于广义回归神经网络的油气层识别模型

油气层的准确识别对油气藏的勘探与开发具有重要的指导意义。针对油气勘探中油气层识别难的问题,提出了一种基于广义回归神经网络（GRNN）的油气层识别模型。采用该模型对大庆油田某油井的测井数据进行了仿真实验,并与采用BP网络识别油气层的测试结果进行对比。结果表明GRNN具有结构设计简单和收敛快的优点,预测能力强,说明采用GRNN进行油气层识别具有广阔的应用前景。     

砾岩储层精细描述中标准测井资料的应用

克拉玛依油田七区的标准测井资料是指使用标准电极系视电阻率测井、自然电位测井和井径测井,以相同的1:500深度比例尺及相同的横向比例进行测井作业所取得的资料.这种资料本来并不具备定量解释储层孔隙度和含油饱和度的能力,但这种资料占该区测井资料总量的比率高达34%.利用标准电极系视电阻率资料和岩心分析资料建立了视电阻率-岩性图版,利用自然电位减小系数α和岩心孔隙度分析资料φ建立了α-φ图版,根据综合测井资料求出标准测井视电阻率校正系数,进而确定了饱和度计算方程的参数.与相应的综合测井资料计算结果相对比,用该方法得到的孔隙度平均绝对误差及相对误差分别为1.85%和11.88%;含油饱和度平均绝对误差及相对误差分别为9.08%和24.75%.将该方法有选择地应用到该区砾岩储层精细描述研究中,弥补了缺乏综合测井资料无法进行测井储层评价及参数研究的缺陷.     

构造性神经网络在测井岩性识别中的应用

测井岩性识别是石油勘探中十分重要的基础工作,准确的岩性识别结果可以为勘探和开发提供可靠的依据。人工神经网络方法可对复杂的高维数据进行非线性映射,在模式识别领域得到越来越广泛的应用。针对传统的BP神经网络算法存在收敛速度慢、隐层数以及隐层节点数难以确定等缺点,研究了一种构造性神经网络学习算法---级联算法（Cascade Correlation Algorithm,简称CC算法）及其在石油工程中的应用。采用该算法对甘肃镇原-泾川地区进行岩性识别研究,通过与BP神经网络的识别结果进行比较,体现出构造性神经网络的优越性。     

模糊聚类在三维地震参数处理中的应用

三维地震参数是一个庞大的三维数据体，能从不同侧面反映储集层的特征。通过对三维地震参数的分析，可以评估油藏表征的参数（沉积相、构造、生长历史、流体饱和度等）。针对传统的聚类方法不能很好地综合考虑各个参数之间的相似程度，提出了用模糊C-均值聚类（fuzzy c-means clustering，简称FCM）对三维地震参数进行处理。从三维地震参数和油藏表征参数之间的关系出发，采用模糊C-均值聚类方法对三维地震参数进行处理，依此评估油藏表征的参数。测试结果表明，模糊C-均值聚类方法能够对三维地震参数进行较为准确的分类，并为储集层的研究提供了很好的依据。     

神经模糊混合系统在测井储层识别中的应用

储层识别是石油勘探中十分重要的基础工作,它可以为油田勘探和开发提供可靠的依据。神经模糊混合方法是通过对测井数据的学习,运用模糊逻辑与神经网络相结合的混合系统对测井数据进行提取和优化。根据来自不同油井的观测数据,采用一个二阶段的策略来决定该预测模型的结构和参数,从而对测井储层进行识别。给出了该混合方法预测的初步结果,为油井的开发提供了重要的参考。     

探索油藏新方法——智能油藏建模

计算智能（Computational Intelligence,CI）是当代人工智能技术的最新发展,它是信息科学、生命科学、认知科学等不同学科相互交叉的产物。CI又可称之为自然计算、软计算或生物智能,其丰要构成有人工神经网络、模糊系统、进化计算、支持向量机、群体智能以及由它们构成的混合智能系统。     

核向量机在人脸识别中的应用研究

提出了一种基于核向量机的人脸识别方法。首先介绍了人脸识别的整个过程,然后着重介绍核向量机的算法以及采用它进行人脸的分类识别。最后在扩展的MIT人脸数据集中对该算法进行测试,验证了该算法在处理大样本数据集时是一个较好的选择。     

基于独立成分分析和核向量机的人脸识别

提出利用独立成分分析提取人脸特征并用核向量机进行识别的方法。独立成分分析能更本质地描述图像特征,通过选择合适的特征个数达到较高的识别准确率。利用核向量机进行分类判决,可以快速地对大样本数据进行准确分类,产生较少的支持向量。实验证明了该方法的可行性和有效性,在ORL人脸数据库上达到了94.38%的准确率。